如何利用boxplot.stats()$out批量移除三因素ANOVA数据中的异常值

API 探路者

2026-7-10

三因素ANOVA数据异常值批量移除方案

问题背景

我有一组三因素ANOVA数据，包含3个各有3个水平的自变量（IV1、IV2、IV3）和1个连续数值型因变量（DV）。之前手动逐个处理每个自变量组合的异常值，操作繁琐，现寻求高效的批量处理方法。

自变量水平：

IV1：a、d、g
IV2：b、e、h
IV3：c、f、i

原处理代码（手动逐个分组）

# 识别IV4各水平组合下的异常值
boxplot(DV~IV4,data=v)

# 筛选异常值，定义新数据框
vabc <- vt[v$IV1=="a" & v$IV2=="b" & v$IV3=="c", ]
oabc <- paste("a b c",boxplot(DV~IV4,data=vabc)$out,sep = " ")
vdef <- vt[v$IV1=="d" & v$IV2=="e" & v$IV3=="f", ]
odef <- paste("d e f",boxplot(DV~IV4,data=vdef)$out,sep = " ")
vghi <- vt[v$IV1=="g" & v$IV2=="h" & vt$IV3=="i", ]
oghi <- paste("g h i",boxplot(DV~IV4,data=vghi)$out,sep = " ")

# 移除异常值
v <- v[-which(v$AV%in%c(oabc,odef,oghi)), ]

批量处理优化方案

方案1：基础R实现批量标记与移除

无需提前拼接IV4和AV，直接基于原始自变量分组处理：

# 按IV1、IV2、IV3分组，批量识别每个组的异常值
outliers_list <- by(v, list(v$IV1, v$IV2, v$IV3), function(sub_df) {
  out_vals <- boxplot.stats(sub_df$DV)$out
  # 返回该组中异常值对应的完整行
  sub_df[sub_df$DV %in% out_vals, ]
})

# 合并所有异常值行
all_outliers <- do.call(rbind, outliers_list)

# 从原数据中移除异常值行
v_clean <- v[!rownames(v) %in% rownames(all_outliers), ]

方案2：dplyr包实现简洁批量处理

若熟悉tidyverse工具链，用分组操作更直观：

library(dplyr)

# 分组标记并过滤异常值
v_clean <- v %>%
  group_by(IV1, IV2, IV3) %>%
  mutate(is_outlier = !DV %in% boxplot.stats(DV)$out) %>%
  filter(is_outlier) %>%
  ungroup() %>%
  select(-is_outlier)  # 移除临时标记列